扩展人工智能代理的规模并不是增加更多的智能。

关键在于随着数量、复杂性和可变性的增加，如何保持可靠性。

小规模运行的智能体，如果不重新审视其设计假设，往往会失败。

原则一：设计注重协调性，而非速度

速度很容易优化。

协调并非如此。

规模化应用中，多个代理程序会在不同的工作流程中同时运行。如果没有协调机制，自动化就会陷入内部竞争。

可扩展设计优先考虑一致性而非单纯的执行速度。

原则二：保持状态随时间推移而不变

无状态代理重置上下文。

规模化之后，这会导致重复工作、不一致和事后升级滞后。工作人员必须记住已经发生的事情、待处理的事情以及不应该重复发生的事情。

记忆力使连续性得以实现。

原则 3：将异常视为一等事件

规模化应用中的例外情况并非边缘案例。

这些都是正常情况。设计能够及早检测、发现和处理异常的代理程序可以防止级联故障。

异常处理决定了可扩展性。

原则四：使监督工作轻量级但持续有效

严格的监管措施无法规模化。

如果没有监管，失效的速度会更快。可扩展的代理会发出清晰的信号，使人们能够在无需监控所有细节的情况下高效地进行干预。

透明化取代微观管理。

原则五：明确限制自主权

无限制自主性在负载下会降低。

可扩展代理在明确的边界内运行，加剧不确定性，而不是超越范围行事。

约束条件确保安全扩展。

常见错位：过度关注执行而非设计

许多团队通过增加客服人员数量来扩展自动化规模。

如果不重新审视协调、状态和异常处理，这将加剧不稳定性。

规模化会暴露设计缺陷。

设计转变

可扩展人工智能代理的关注点转变：

从执行任务
随着时间的推移，管理工作流程

独立行动
集体协调

从优化成功
优雅地应对失败

SaleAI背景（非促销）

在 SaleAI 中，代理旨在协调跨工作流程的执行、维护上下文并发现异常，以确保随着运营规模的扩大，可靠性得以实现。

这反映的是架构设计方面的考量，而不是性能方面的要求。

规模化真正需要什么

可扩展性需要：

• 持久的背景

• 受控自主

• 可观察执行

• 协调行为

如果没有这些，自动化程度会不可避免地下降。

结束视角

人工智能体无法通过变得更聪明来扩展规模。

他们通过变得更加自律而扩大规模。

规模化设计意味着预见复杂性并有意识地加以管理。